MMMU

Image preprocessing and chain-of-thought settings affect results.

评测信息与证据

本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。

按来源中的观察顺序展示，顺序不代表排名。日期保留原始精度。

模型	数值	单位	协议	报告日期与口径	来源
Claude Opus 4	76.5	percent	extended thinking up to 64K tokens	2025-05-22 · document_publication	Claude Opus 4 and Sonnet 4
Claude Sonnet 4	74.4	percent	extended thinking up to 64K tokens	2025-05-22 · document_publication	Claude Opus 4 and Sonnet 4
Gemini 2.5 Pro	82.0	percent	single attempt	2025-06-17 · document_publication	Gemini 2.5 Pro
Qwen3.5-397B-A17B	85.0	percent	thinking (temp 0.6, top_p 0.95, top_k 20)	2026-02-16 · document_publication	Qwen3.5-397B-A17B